두뇌 '신경 조율 활동'...인공지능용 하드웨어 전력 '37% 절약' 가능
두뇌 신경망, 연결 구조를 상황 맞춰 변화...인공지능 학습 방식에 적용
'차세대 인공지능용 반도체 칩' 설계에 사용할 수 있을 것
(내외방송=정지원 기자) 두뇌에서 일어나는 신경 조율 활동을 활용해 인공 지능 전자기기의 '전력 문제' 등을 해결할 수 있을 전망이다.
KAIST는 19일 "김경민 신소재공학과 교수 연구팀이 두뇌에서 일어나는 '신경 조율 활동'을 구현한 인공지능용 하드웨어와 관련된 알고리즘 개발에 성공했다"고 밝혔다.
4차 산업 혁명 시대를 맞아 인공지능 기술의 연구가 활발해지면서 인공지능을 기반으로 한 전자기기의 개발과 출시가 가속화되고 있다.
인공지능을 전자기기에 구현하기 위해서 '맞춤형 하드웨어'의 개발이 뒷받침돼야 한다.
현재 대부분의 인공지능용 전자기기들은 많은 연산량을 수행하기 위해 '높은 전력 소모'와 '고도로 집적된 메모리 배열'을 사용하고 있다는 것이 연구팀의 설명이다.
연구팀은 인공지능의 능력을 향상시키기 위해 '전력 소모'와 '집적화 한계' 문제를 해결하는 것을 큰 과제로 여겨 '인간의 뇌 활동'에서 문제 해결의 단서를 발견하고자 했다.
김 교수 연구팀은 이 문제에 대한 해답을 찾았다.
인간의 두뇌 신경망이 '신경 조율 기능'을 통해 연결 구조를 상황에 따라 지속적으로 변화시키는 것을 모방해 인공지능을 위한 수학적 연산을 효율적으로 처리할 수 있는 기술이 개발된 것이다.
두뇌는 학습 과정에서 실시간으로 '신경망의 연결도'를 변경해 필요에 따라 기억을 저장하거나 불러낸다.
이 기능을 활용해 하드웨어에 적용할 수 있는 새로운 방식의 인공지능 학습 방식이 제시됐다.
연구팀은 이 기술의 효율성을 증명하기 위해 독자적인 '전자 시냅스 소자(부품 구성 요소)'가 탑재된 '인공 신경망 하드웨어'를 제작했다.
여기에 개발한 알고리즘을 적용해 실제 인공지능 학습을 진행했더니 인공지능 학습에 필요한 에너지는 '37%' 절약할 수 있었다.
공동 제1저자인 정운형, 전재범 KAIST 신소재공학과 박사과정은 "간단한 회로의 구성만으로 인간 두뇌의 학습 방식을 구현해 40%에 가까운 에너지를 줄일 수 있었다"고 말했다.
또 "뇌 활동을 모방해 개발한 새로운 학습 방식은 앞으로 인공지능 분야에서 소프트웨어·하드웨어 분야로 나아가야할 길의 이정표가 될 것"이라고 덧붙였다.
연구팀은 이 기술이 기존 전자기기의 반도체 하드웨어에도 적용과 호환을 할 수 있으며 '차세대 인공지능용 반도체 칩'의 설계에 사용할 수 있을 것으로 기대한다.
이 연구는 국제 학술지 '어드밴스드 펑셔널 머터리얼즈(Advanced Functional Materials)'에 지난 3월 31일 게재됐으며 한국연구재단과 (주)SK Hynix, 나노종합기술원(NNFC), KAIST의 지원을 받아 수행됐다.(논문명: Demonstration of Neuromodulation-inspired Stashing System for Energy-efficient Learning of Spiking Neural Network using a Self-Rectifying Memristor Array).
